摘要
一种基于深度Q网络的网联交叉口生态引导协同控制方法,它交通信息工程及控制领域。本发明解决了现有技术无法获得最佳的交叉口内通行效率以及路权分配问题。本发明提出对网联车辆与智能信号机进行主动协同、对上游车辆进行行为预测,并响应通行需求的方法。信号机基于相序与相位耦合的方法生成信号控制策略,考虑将未来时间段的信号状态参与当前阶段的控制优化从而避免短视,并使用DQN优化求解;以最小能耗为目标优化控制,采用分散控制来提高控制效果与预测精度,构建能耗模型来评估和优化车辆轨迹控制效果。与传统方法相比,本发明改善了网联交叉口通行效率、保障了各流向的路权公平,减少了车辆行程能耗。本发明方法可以应用于网联交叉口控制。
技术关键词
深度强化学习模型
协同控制方法
车辆运动规划
深度Q网络
交叉口
停车线
智能信号控制
路侧单元
生态
车载单元
加速度
车辆轨迹控制
交通信息工程
智能信号机
矩阵
误差函数
通信链路
系统为您推荐了相关专利信息
光信号传输方法
深度强化学习模型
可调增益放大器
误码率
量子密钥分配
深度Q网络
特征提取单元
注意力机制
分配单元
分区
深度双Q网络
负载均衡方法
负载均衡优化
服务集群
资源
城市电力系统
资源调度方法
历史运行数据
决策
表达式